3.1. Corpus y búsqueda de corpus

La base de datos se elaboró para ^{Bértola y Taibo (2023)} y está conformada por dos corpus, uno asociado con la lengua oral informal (Corpus-I) y otro, con la lengua estándar (Corpus-E). El Corpus-E fue diseñado de forma ad hoc para ^{Bértola y Taibo (2023)}, está conformado por noticias de prensa escrita de Uruguay de diversas secciones (Deporte, Sociedad, Economía, Opinión) y cuenta con una extensión de 150.000 palabras. El Corpus-I está conformado por entrevistas del corpus del Proyecto para el estudio sociolingüístico del español de España y de América (PRESEEA) para Montevideo. A los efectos de trabajar con dos universos comparables, se seleccionaron de manera aleatoria 23 entrevistas, cuyo número total de palabras asciende también a 150.000. De esta manera, los dos corpus tienen la misma extensión de palabras.

Asimismo, esta muestra aleatoria del corpus PRESEEA contiene las tres variables sociales que permiten estudios sociolingüísticos cuantitativos: sexo/género; edad y nivel educativo. En el corpus PRESEEA se incluyen entrevistas a mujeres y hombres, de las tres generaciones (1. de 20 a 34 años; 2. de 35 a 54 años y 3. de 55 años en adelante) y de los tres niveles educativos (1. Analfabetos sin estudios; 2. Enseñanza Secundaria y 3. Enseñanza Superior). Cabe señalar, no obstante, que para este trabajo no utilizamos estas variables, usuales en sociolingüísticas, dado que no existe, para el español, la intuición de que haya variabilidad sociolingüística en el fenómeno de variación analizado.

En este sentido, cabe subrayar que los antecedentes cuantitativos sociolingüísticos sobre la variación en el uso de las formas [-RÁ] e [IR + a + Inf] concluyen que las variables extralingüísticas como sexo/género y edad no son significativas y sí lo son las variables intralingüísticas mencionadas en la sección anterior (^{Blas Arroyo, 2008}).

Si bien la extensión de ambos corpus es pequeña (150.000 palabras), cabe decir que el carácter interpretativo y el sistema de anotación de la metodología propuesta requieren la discusión de más de un anotador. El método requiere, en sí mismo, trabajar con universos de datos pequeños.

La retención de los ítems consistió, en una primera etapa, en la extracción de ambos corpus de todas las oraciones con las formas [-RÁ] e [IR + a + Inf]. En una segunda etapa se elaboró un sistema de etiquetado funcional y semántico con las siguientes categorías: (a) Forma: [RÁ] / [IR + a + Inf] (que constituye la variable dependiente); (b) Corpus: Corpus-E / Corpus-I; (c) Contexto de incertidumbre: presencia (+) / ausencia (-); (d) Orientación temporal: prospectiva / simultánea; (e) Adjuntos temporales: presencia / ausencia; (f) Tipo de oración: principal / subordinada (sustantivas, relativas, adverbiales) y (g) Persona gramatical: primera / segunda / tercera (que constituyen las otras variables).

Cabe aclarar que para identificar el “contexto de incertidumbre”, se tuvo en consideración la aparición de adverbios epistémicos débiles (como posiblemente); la presencia de predicados subordinantes que indican incertidumbre (no saber, preguntarse, imaginarse); los contextos de disyunción explícita de constituyentes que siguen la forma “A o B”; la aparición de pronombres o determinantes inespecíficos (alguien, algún día); los “contextos concesivos” (podrá ser A, pero B)³ (^{Laca, 2016}), y los indicios contextuales de hesitación (como pausas, repeticiones, tags de confirmación del tipo ¿no?), entre otros. La categoría “contextos de incertidumbre” evita la asociación de la orientación temporal prospectiva de la forma [-RÁ] con la lectura temporal y la orientación temporal simultánea con la lectura de conjetura.

3.2. Método

El trabajo se realizó a partir de una metodología cuantitativa en dos etapas. En una primera etapa, se realizó un análisis exploratorio con el objetivo de estudiar la relación entre la forma y el corpus y entre la forma, el corpus y terceras variables. Se trabajó, por tanto, a partir de tablas bivariadas y trivaridadas, respectivamente. Este análisis permitió conocer la distribución de las variables estudiadas y su nivel de asociación.

Para estudiar el nivel de asociación, se utilizó el estadístico V de Crammer. Para la interpretación de los valores del coeficiente, se utilizó la tabla de valoraciones de Sierra Bravo (1988), en ^{Cortes et al. (2012)}, según la cual los valores menores a 0.10 son asociaciones “despreciables” (poco significativas); entre 0.10 y 0.29, baja; entre 0.30 y 0.49, moderada y mayor a 0.50, sustancial o muy fuerte.

Una segunda etapa se centró en la realización de un modelo logístico que incluye todas las variables, con el objetivo de analizar su pertinencia en el uso de la variable dependiente (forma). Este método permitió contrastar las hipótesis a partir de un análisis empírico de los datos. Las variables incluidas en el análisis son: forma (variable dependiente), corpus, contextos de incertidumbre, orientación temporal, adjuntos temporales y persona gramatical (otras variables).

Se trabajó a partir de la base de datos elaborada para ^{Bértola y Taibo (2023)}, titulada “Varsem-Fut”, que cuenta con un total de 1454 casos y la unidad de análisis consiste en oraciones.

4.1. Forma en relación con Corpus

Respecto de la primera hipótesis, en la Tabla 1 se observan diferencias en la distribución de la forma a partir del corpus que se utilice.

La forma [-RÁ] en el Corpus PRESEEA registra un 20.05%, mientras que aumenta a 85.62% en el Corpus Taibo. El uso de la forma [IR + a + Inf] cuando el corpus es PRESEEA es de 79.95% y disminuye a 14.38% en el Corpus Taibo. Esto equivale a decir que el uso de la forma [-RÁ] se ve favorecido cuando el corpus es escrito, mientras que la forma [IR + a + Inf] es la preferida en el registro oral.

Esta asociación es significativa de forma sustancial, considerando el estadístico V de Crammer (0.63).

4.2. Forma en relación con Contexto de conjetura y Corpus

La segunda hipótesis establece dos relaciones, por un lado, que la presencia de [-RÁ] en el Corpus Taibo es compatible con expresiones que reflejen creencia categórica [- contexto de incertidumbre], mientras en PRESEEA la forma [-RÁ] es incompatible con expresiones que reflejen creencia categórica; esto quiere decir que es compatible con expresiones de tipo [+ contexto de incertidumbre].

Tal como se observa en la Tabla 2, los datos muestran que, en el Corpus Taibo la distribución para [-RÁ] según el contexto de incertidumbre es de 85.76% cuando hay ausencia de contextos de incertidumbre [- contexto incertidumbre] y de 82.61% cuando hay presencia de estos contextos [+ contexto incertidumbre]. Asimismo, en PRESEEA la forma [-RÁ] se combina con [- contexto de incertidumbre] en un 4.4%, mientras se combina con expresiones que reflejan falta de compromiso epistémico [+ contexto de incertidumbre] en un 64.10%.

En la Tabla 2, no se observan diferencias en el uso de la forma [-RÁ] según [+/ - contexto de incertidumbre] en el corpus Taibo. Estos resultados confirman el estadístico de asociación, que no es significativo. Por otra parte, el uso de [-RÁ] en PRESEEA presenta una relación significativa con una V de Cramer alta (-0.66); dicho de otro modo, se confirma un predominio de la forma [-RÁ] de conjetura en PRESEEA.

Estos datos permiten comprobar de manera parcial la segunda hipótesis. Por un lado, la presencia de [-RÁ] en Taibo es compatible con expresiones que reflejen creencia categórica [- contexto de incertidumbre] tanto como con expresiones que expresan [+ contexto de incertidumbre]. Por otro lado, se valida que en PRESEEA [-RÁ] se ve significativamente desfavorecido con expresiones que reflejan [- contexto de incertidumbre] y, por el contrario, se combina con expresiones de falta de compromiso epistémico [+ contexto de incertidumbre].

Destacamos, asimismo, que el análisis arrojó una distribución inversa en ambos corpus para la forma [IR + a + Inf]. Para [IR + a + Inf] en Taibo, la distribución es similar para ambos contextos: presenta un porcentaje de 14,24% cuando se combina con [- contexto incertidumbre] y de 17,39% con [+ contexto de incertidumbre], con un mayor uso cuando hay presencia de contexto de incertidumbre. En PRESEEA [IR + a + Inf] alcanza un porcentaje de 95.96% cuando se combina con [- contexto incertidumbre], y disminuye a 35.90% cuando su combinación es con [+ contexto de incertidumbre]. Estos resultados indican que en PRESEEA el uso de esta forma varía en relación con la ausencia o presencia de contextos de incertidumbre.

4.3. Forma en relación con Corpus y Orientación temporal

La tercera hipótesis sostiene que en PRESEEA la forma [-RÁ] se combina con más frecuencia con una orientación temporal (OT) simultánea que en el Corpus Taibo. Los datos arrojan que, en PRESEEA cuando la forma [-RÁ] se combinan con OT simultánea en un 98.11%, este porcentaje representa un total de 52 casos. Por su parte, disminuye su uso al 9.33% cuando la es OT prospectiva, y esto porcentaje representa un total de 36 casos. Esta relación es significativa y tiene una V de crammer de 0.72.

La diferencia más notoria se encuentra en la forma [IR + a + Inf], donde la concentración de los casos se encuentra en OT prospectiva. Tan solo el 1.89% (1 caso) se registra cuando la forma es [IR + a + Inf] y la OT es simultánea, mientras que es de 90.67% (350 casos) cuando la OT es prospectiva.

En el corpus Taibo, el porcentaje de la forma [-RÁ] dentro de la OT simultánea es de 100%. Cabe notar, sin embargo, que este porcentaje representa un total de 14 casos. Por su parte, 85.40% de casos de la forma [-RÁ] se combina con OT prospectiva, lo que representa un total de 855 casos. Si bien la totalidad de casos con OT simultánea son 14, todos ellos se concentran en [-RÁ], esto es, siempre que la OT es simultánea la forma utilizada es [-RÁ]. El análisis también arroja que en el Corpus Taibo cuando la OT es simultánea no se utiliza la forma [IR + a + Inf].

Si bien los datos sostienen la hipótesis, cabe decir que la variable orientación temporal presenta dificultades para continuar con un análisis discriminando en sus dos categorías OT simultánea y OT prospectiva. Al discriminar por el tipo de orientación temporal, se agrupan pocos casos para las formas estudiadas. De todas formas, presentamos los resultados del análisis para dar cuenta de la distribución de estas variables.

4.4. Forma [IR + a + Inf] en relación con Orientación temporal

La cuarta hipótesis sostiene que la forma [IR + a + Inf] siempre se combina con una orientación temporal prospectiva. Esta hipótesis continúa con el análisis propuesto en la hipótesis anterior, pero no diferencia por el tipo de corpus, sino que relaciona la incidencia de la OT en la forma. Consideramos que la formulación de la cuarta hipótesis evita la problemática sobre los pocos casos que se observaron en torno a la hipótesis 3.

Los datos de la Tabla 3 permiten apoyar la hipótesis 4, en la medida en que se observa la relación entre el uso de la forma según la OT: el porcentaje de uso de la forma [IR+ a + Inf] con OT prospectiva es de 35.76%, mientras que disminuye a 1.49% cuando la OT es simultánea.

Poner en relación los resultados de la tercera y cuarta hipótesis nos permite estudiar la diferencia en el uso de la forma según la orientación temporal cuando se incluye la interacción con el corpus. La tercera hipótesis analiza la relación entre las tres variables (corpus, orientación temporal y forma), mientras que la cuarta hipótesis analiza esta misma relación sin la interacción con el corpus. Con respecto a la cuarta hipótesis, se observa que la variable orientación temporal es significativa y tiene una V de Crammer baja de 0.15 en el uso de la forma. Por su parte, cuando se distingue según el corpus, en la hipótesis 3, la V de Crammer es significativa solo para el caso de PRESEEA, con un 0.72, y no es significativo para Taibo. Hay un uso diferencial de la forma según la orientación temporal, pero esta es mayor cuando el corpus es PRESEEA.

4.5. Forma con OT prospectiva en relación con Corpus y Adjuntos temporales

Con respecto a la hipótesis 5, al considerar la forma y el corpus, esta se desdobla en dos. Sostiene, por un lado, que en PRESEEA la forma [-RÁ] con OT prospectiva se combina con adjuntos temporales de lejanía. Por otro, sostiene que, en el Corpus Taibo la forma [-RÁ] con OT prospectiva se combina con cualquier adjunto temporal. Las Tablas 4 y 5 discriminan los resultados según el corpus, PRESEEA y Taibo, respectivamente.

La Tabla 4 presenta los resultados de la forma [-RÁ] con OT prospectiva en PRESEEA.

Los datos arrojan que en PRESEEA hay un mayor uso de la forma [-RÁ] cuando el adjunto temporal es de lejanía (13.64%). Cuando el adjunto temporal es de cercanía el porcentaje de la utilización de la forma [-RÁ] es de 7.84%. Esta parte de la hipótesis se comprueba, pero cabe notar que la diferencia porcentual entre adjuntos temporales de cercanía y de lejanía en combinación con [-RÁ] es de pocos puntos porcentuales (5.8%). La baja diferencia porcentual tiene como resultado una relación no significativa entre las variables.

La Tabla 5 muestra que en el Corpus Taibo hay un mayor uso de la forma [-RÁ] cuando el adjunto temporal es de cercanía (92.51%), mientras que es levemente menor cuando el adjunto temporal es de lejanía (82.98%).

Estos datos muestran que [-RA] en el Corpus Taibo se combina con cualquier adjunto temporal indistintamente. Esta relación es significativa, con una V de Crammer baja (0.12).

4.6. Forma [IR + a + Inf] en relación con Corpus y Adjuntos temporales

Con respecto a la hipótesis 6, esta establece, por un lado, que en PRESEEA [IR + a + Inf] se combina con cualquier adjunto temporal; por otro, que en el Corpus Taibo [IR + a + Inf] se combina con adjuntos temporales de lejanía.

El análisis arroja que en PRESEEA hay un mayor uso de la forma [IR + a + Inf] cuando el adjunto temporal es de cercanía (92.16%) que cuando el adjunto temporal es de lejanía (86.36%). No se observan diferencias en el uso de [IR + a + Inf] según el adjunto temporal cuando el corpus es PRESEEA, tal como se establece en la hipótesis.

En lo que se refiere al comportamiento de la forma [IR + a + Inf] en relación con el tipo de adjunto temporal en el Corpus Taibo, se observa la siguiente distribución: hay menor utilización de la forma [IR + a + Inf] cuando el adjunto temporal es de cercanía (7.49%) y mayor uso de esta forma cuando el adjunto temporal es de lejanía (17.02%). No obstante, esta relación es significativa con una baja V de Crammer (0.12).

Estos datos permiten sostener parcialmente la hipótesis, se observa un uso indistinto de la forma [IR + a + Inf] según el tipo de adjunto temporal para OT prospectiva cuando el corpus es PRESEEA, pero no así en Taibo, en este corpus es mayor cuando el adjunto temporal es de lejanía. Si bien estos resultados parecerían diferir de la prácticamente unánime asociación de la forma [IR + a + Inf] con adjuntos temporales de cercanía, es relevante tener en cuenta que la diferencia porcentual de la forma [IR + a + Inf] con los respectivos adjuntos temporales es baja y el nivel de asociación es bajo (0.12).

Asimismo, la distribución en el adjunto temporal para OT prospectiva tiene mayor cantidad de casos con adjuntos temporales de cercanía (227) que de lejanía (47).

4.7. Forma en relación con Corpus y Persona gramatical

A continuación, trabajamos con los resultados de las hipótesis 7 y 8, que se leen conjuntamente en las Tablas 6 y 7.

La hipótesis 7 establece que en PRESEEA la forma [-RÁ] se ve desfavorecida por la 1^a persona, pero no en el Corpus Taibo. La hipótesis 8, sostiene que en Corpus Taibo [IR + a + Inf] se ve favorecida por la 1^a persona, pero no en PRESEEA.

Con respecto a la hipótesis 7, la Tabla 6 muestra que en el corpus PRESEEA cuando la forma utilizada es [-RÁ] la persona más utilizada es la 3^a (35.14%), mientras que la menos utilizada es la 1^a (8.29%). Esta relación es significativa, con una V de Crammer moderada (0.32). Esta configuración es similar a lo que muestra la Tabla 7 para el Corpus Taibo, donde la 3^a persona representa una mayor proporción (88.61%) sobre la 1^a persona (26.53%). Esta relación también es significativa con una V de Crammer moderada (-0.37).

Tal como se plantea en la hipótesis 7, hay un menor uso de la 1^a persona en combinación con la forma [-RÁ] cuando se trata del corpus PRESSEEA; y también en el corpus Taibo la distribución es similar. En este sentido, hay diferencias en el uso de la forma y la persona según el corpus.

Con respecto a los resultados de la hipótesis 8, los datos muestran que en PRESEEA la forma [IR + a + Inf] en 1ª persona es la más utilizada (91.71%), mientras que la 3ª persona es la menos utilizada (64.86%). Cuando el corpus es Taibo y se utiliza la forma [IR + a + Inf], la 1ª persona es la preferida (73.47%) y la 3ª persona la menos (11.39%). Para ambos corpus, cuando la forma es [IR + a + Inf] la 1ª persona es la favorita.

A partir de estos datos, se verifica parcialmente la hipótesis 8, dado que [IR + a + Inf] se ve favorecida por la 1ª persona cuando el corpus es Taibo, pero también cuando el corpus es PRESEEA.

4.8. Forma [-RÁ] con orientación temporal prospectiva en relación con Corpus y Adjuntos temporales

Por último, en relación con la hipótesis 9, en PRESEEA [-RÁ] con orientación temporal prospectiva se combina más frecuentemente con adjuntos temporales que en Taibo, el análisis no muestra diferencias entre la presencia del adjunto temporal, cuando el corpus es Taibo y se controla por orientación temporal prospectiva en el uso de la forma tanto para [-RÁ] e [IR + a + Inf]. No se descarta la relevancia de estas variables en el uso de la forma, es importante continuar indagando en la relación entre estas variables. Entendemos que la distinción entre el tipo de adjunto podría enriquecer el análisis en relación con el uso de la forma.

4.9. Modelo final

Para finalizar el análisis, elaboramos un modelo logístico que nos permitió poner a prueba las hipótesis analizadas anteriormente de forma individual. El modelo se realizó incluyendo Forma como la variable dependiente y tomando como categoría de referencia la forma [-RÁ]. Se optó por un modelo logístico, dado que la variable Forma es dicotómica. Tal como se observa en la Tabla 8, el modelo presenta una buena bondad de ajuste, con un R2 McFadden de 0.47,2. El modelo permite explicar el 47,2% de la varianza de los datos.

En el modelo explicativo se incluyen variables en dos niveles, por un lado, se incluye la variable de forma independiente para analizar su pertinencia, y por otro lado se incluyen interacciones. Por interacciones se entiende la relación conjunta entre dos variables y su posible incidencia en el uso de la forma [-RÁ]; por ejemplo, la interacción entre el corpus Taibo y la presencia de contexto de incertidumbre en el uso de la forma [-RÁ]. Estas interacciones se pueden observar en el modelo mediante el signo #. En el modelo se incluyen las variables contextos de incertidumbre, adjuntos temporales y persona. A su vez, se incluye la interacción de estas variables con el corpus cuando este es Taibo. Para cada una de las variables se selecciona una categoría de referencia y se realiza el análisis correspondiente.

En el modelo se incluye como variable dependiente la forma en sus dos categorías, [-RÁ] e [IR + a + Inf]. La forma [-RÁ] se toma como referencia, dejando afuera la categoría [IR + a + Inf]. El modelo se presenta a continuación en la Tabla 9:

Como se observa en la Tabla 9, la primera variable, corpus, es significativa al 0.05 y positiva⁴. Hay una mayor probabilidad de aparición de la forma [-RÁ] cuando el corpus es Taibo. En sentido opuesto, hay una menor probabilidad de la forma [-RÁ] cuando el corpus es PRESEEA. El uso de un corpus u otro genera diferencias en el uso de la forma [-RA].

La segunda variable incluida en el modelo es contextos de incertidumbre. Esta variable es significativa y positiva. La presencia de contextos de incertidumbre incrementa la probabilidad del uso de la forma [-RÁ], sin embargo, cuando hay ausencia de contextos de incertidumbre esta probabilidad disminuye.

En tercer lugar, se puso a prueba la interacción entre corpus y contextos de incertidumbre. Esta interacción permite testear la presencia de contextos de incertidumbre y el corpus cuando es Taibo y el uso de la forma [-RA].

Esta es significativa y negativa, cuando estas dos condiciones se presentan, disminuye la probabilidad del uso de la forma [-RÁ].

Es interesante observar que estas variables por sí solas son significativas por positivas; sin embargo, cuando estas dos variables se relacionan son negativas.

La variable adjuntos temporales no es significativa, en este sentido, la presencia o ausencia de adjuntos temporales no genera cambios en el uso de la forma [-RÁ]. Estos datos van en líneas con los análisis previos, donde la asociación entre forma y adjuntos temporales presentaba valores poco significativos.

Sin embargo, al analizar la interacción entre corpus y adjuntos temporales esta es significativa y positiva. Cuando el corpus es Taibo y hay presencia de adjuntos temporales, aumenta la probabilidad del uso de la forma [-RÁ]. Es relevante observar que esta variable es significativa en el modelo en su interacción con el corpus.

Por último, se incluyó la variable persona, bajo la hipótesis de que el tipo de persona que se utilice determina el uso diferencial de la forma. La variable persona fue incluida dejando como categoría de referencia la primera persona; tal como se observa, esta variable no es significativa. En síntesis, el uso de primera, segunda o tercera persona no presenta diferencias en el uso de la forma [-RÁ]. Sin embargo, esto cambia cuando se incluye la interacción con el corpus. Cuando el corpus es Taibo y se utiliza la tercera persona (en oposición a la primera), esta variable es significativa y positiva, favoreciendo el uso de la forma [-RÁ]. Por su parte, la segunda persona no es significativa aún incluyendo la interacción con el corpus.

A lo largo del análisis se exploró la relación entre forma, corpus y otras variables. Estas relaciones se fueron contrastando en cada una de las hipótesis, y, tal como se observa en los datos, estas terceras variables son significativas en la interacción con el corpus. En el modelo se observa que el contexto de incertidumbre, los adjuntos temporales y la persona son significativas cuando el corpus es Taibo. Sin embargo, la variable contextos de incertidumbre es significativa por sí sola en el uso de la forma [-RÁ]. Esto establece una interacción relevante entre las variables que inciden en el uso de la forma [-RÁ].